基于块非负稀疏重构嵌入的高光谱数据降维

为了在充分利用高光谱信息的同时减少因数据冗余带来的分类精度降低, 提出一种块非负稀疏重构嵌入降 维算法. 首先, 将传统超完备字典转化成超完备块字典; 然后, 通过计算每个超完备块字典对应样本的最小重构误差, 得到块非负稀疏重构权重矩阵; 最后, 在低维嵌入时, 通过同时最小化局部和最大化非局部高光谱数据的非负稀疏信 息, 得到全局最优的低维子空间高光谱数据. 通过3 组高光谱数据的实验结果验证了所提出方法的可行性和有效性.